3D LiDAR 계층적 위치추정, 로봇 내비게이션 정확도·강건성 대폭 향상

스페인 미겔 에르난데스 대학, '납치된 로봇' 문제 해결 프레임워크 개발

GPS 음영 지역에서 자율 주행 로봇이 스스로 위치를 파악하는 '자기 위치 추정' 난제 해결을 위해, 3D LiDAR 포인트 클라우드에서 전역·국소 구조 특징을 추출하는 MCL-DLF(Monte Carlo Localization – Deep Local Feature) 프레임워크를 개발했습니다. International Journal of Intelligent Systems 게재.

인간 직관 모방: 거친 위치 → 정밀 위치 2단계 접근

1. 거친 위치추정: 건물, 식생 등 전역 구조 특징으로 대략적 영역 식별
2. 정밀 위치추정: 국소 상세 특징으로 정확한 자세(위치+방위) 산출

딥러닝으로 환경에서 가장 식별력 높은 국소 특징을 자동 학습해, 시각적으로 유사한 환경에서도 모호성 회피. 확률적 몬테카를로 위치추정과 결합해 다중 자세 가설을 센서 데이터로 지속 갱신.

장기 내비게이션 검증 결과

• UMH 엘체 캠퍼스에서 수개월간 실내외 계절 변화 환경 검증
• 기존 방식 대비 위치 정확도 우위, 방위 추정 동등 이상
• 시간 경과에 따른 성능 변동성 낮음 → 계절·구조 변화에 강건

응용 분야

서비스 로봇, 물류 자동화, 인프라 점검, 환경 모니터링, 자율주행차 등 외부 위치 인프라 없이 동적 실제 환경에서 안정적 자율 주행이 필요한 모든 영역.

연구 문의: Angeles Gallar (UMH, +34 965-222-569)